WikiEdge:ArXiv速遞/2025-03-12
摘要
- 原文標題：The effect of intelligent monitoring of physical exercise on executive function in children with ADHD
- 中文標題：智能監測體育鍛煉對ADHD兒童執行功能的影響
- 發佈日期：2025-03-12 05:22:42+00:00
- 作者：Liwen Lin, Nan Lib, Shuchen Zhao
- 分類：cs.HC
- 原文連結：http://arxiv.org/abs/2503.09079v1
中文摘要：ADHD兒童通常在執行功能（EF）和運動技能方面存在困難，這影響了他們的學業和社交生活。雖然藥物是常用的治療方法，但它們有副作用，因此人們對非藥物治療產生了興趣。體育活動（PA）在改善ADHD兒童的認知和運動技能方面顯示出潛力。本研究考察了三種PA干預措施的短期和長期效果：特定技能訓練組（EG1）、低需求運動組（EG2）和對照組（CG），持續12周。EG1在運動任務和工作記憶方面表現出顯著改善（15%的改善，p<0.05），而EG2和CG的變化較小。長期PA改善了工作記憶，但短期PA對平衡和手部靈活性的影響有限。這些發現表明，技能訓練對運動表現有即時影響，而更複雜的運動技能需要更長時間的干預。智能設備跟蹤了進展，確認了EG1的持續參與和改善。這項研究強調了PA作為一種有前景的非藥物治療ADHD的方法，值得進一步探索其對其他認知領域的影響。
摘要
- 原文標題：Evaluating Multi-Instance DNN Inferencing on Multiple Accelerators of an Edge Device
- 中文標題：評估邊緣設備上多個加速器的多實例深度神經網絡推理
- 發佈日期：2025-03-12 17:04:30+00:00
- 作者：Mumuksh Tayal, Yogesh Simmhan
- 分類：cs.DC
- 原文連結：http://arxiv.org/abs/2503.09546v1
中文摘要：邊緣設備如Nvidia Jetson平台現在提供了多個板載加速器——包括GPU CUDA核心、Tensor核心和深度學習加速器（DLA）——這些加速器可以同時利用以提升深度神經網絡（DNN）推理性能。在本文中，我們通過評估在這些異構組件上同時運行多個ResNet50模型實例的性能影響，擴展了之前的工作。我們詳細分析了不同批處理大小和硬件組合對吞吐量和延遲的影響。我們的擴展分析不僅突出了結合CUDA和Tensor核心的優勢，還揭示了在集成DLA時由於資源競爭導致的性能下降。這些發現，連同對精度約束和工作負載分配挑戰的見解，激勵我們進一步探索智能調度機制以優化邊緣平台上的資源利用率。
摘要
- 原文標題：GenHPE: Generative Counterfactuals for 3D Human Pose Estimation with Radio Frequency Signals
- 中文標題：GenHPE：基於射頻信號的3D人體姿態估計的生成反事實
- 發佈日期：2025-03-12 16:53:58+00:00
- 作者：Shuokang Huang, Julie A. McCann
- 分類：cs.CV, cs.AI, cs.MM, eess.SP
- 原文連結：http://arxiv.org/abs/2503.09537v1
中文摘要：人體姿態估計（HPE）通過檢測人體關節的位置，應用於多種場景。與使用攝像頭相比，利用射頻（RF）信號進行HPE具有非侵入性，並且在惡劣條件下更具魯棒性，因為它利用了人體干擾引起的信號變化。然而，現有研究主要集中在受限於特定領域混雜因素的單領域HPE上，無法泛化到新領域，導致HPE性能下降。具體而言，不同人體部位引起的信號變化相互糾纏，包含特定主體的混雜因素。RF信號還與環境噪聲交織，涉及特定環境的混雜因素。在本文中，我們提出了GenHPE，一種生成反事實RF信號以消除特定領域混雜因素的3D HPE方法。GenHPE訓練基於人體骨骼標籤的生成模型，學習人體部位和混雜因素如何干擾RF信號。我們通過操縱骨骼標籤（例如移除身體部位）作為生成模型的反事實條件，合成反事實RF信號。反事實信號之間的差異近似消除了特定領域的混雜因素，並規範了編碼器-解碼器模型以學習領域無關的表示。這些表示幫助GenHPE泛化到新主體/環境，實現跨領域3D HPE。我們在來自WiFi、超寬帶和毫米波的三個公開數據集上評估了GenHPE。實驗結果表明，GenHPE優於現有方法，在跨主體HPE中減少了高達52.2毫米的估計誤差，在跨環境HPE中減少了10.6毫米的估計誤差。